클라우드 환경에서 MLOps 파이프라인을 최적화한 경험에 대해 설명해 주세요.

클라우드에서 MLOps 파이프라인을 최적화한 경험은 수업 캡스톤에서 간단한 모델 배포 파이프라인을 구성했을 때였습니다. 처음엔 데이터 전처리·학습·배포를 각각 수동으로 실행했는데, 단계가 이어지는 과정에서 오류가 자주 났습니다. 그래서 저는 한꺼번에 다 바꾸려 하지 않고, 먼저 어느 단계에서 왜 실패하는지를 로그로 추적했습니다. 로그를 보니 데이터 포맷 변환 단계에서 입력 스키마가 바뀔 때 자동으로 안 잡히는 문제가 반복됐습니다. 그래서 그 부분에 스키마 검증 단계를 넣고 파이프라인을 자동 실행하게 바꾸니 수동 개입이 줄었습니다. PM으로서 배운 건, 파이프라인 최적화도 사용자 경험처럼 병목을 먼저 찾아 거기에 집중하는 게 효율적이라는 점이었습니다. 전체를 한 번에 바꾸면 복잡도가 너무 높아집니다. 다만 제 한계도 인정합니다. 저는 캡스톤 수준이라, 실제 프로덕션 트래픽에서 파이프라인을 운영하거나 재학습 자동화까지 다뤄 본 경험은 없습니다. 그래서 병목부터 푸는 절차를 토대로, 운영 규모의 MLOps 이해를 더 키우려 합니다.